Statistical Analysis of Generalisation Performance in Deep Learning Models

• Project/Area Number: 24KJ0933
• Research Category: Grant-in-Aid for JSPS Fellows
• Allocation Type: Multi-year Fund
• Section: 国内
• Review Section: Basic Section 12040:Applied mathematics and statistics-related
• Research Institution: The University of Tokyo
• Principal Investigator: 行徳 義弘 東京大学, 大学院数理科学研究科, 特別研究員(DC1)
• Project Period (FY): 2024-04-23 – 2027-03-31
• Project Status: Granted (Fiscal Year 2024)
• Budget Amount: ¥2,200,000 (Direct Cost: ¥2,200,000); Fiscal Year 2026: ¥800,000 (Direct Cost: ¥800,000); Fiscal Year 2025: ¥800,000 (Direct Cost: ¥800,000); Fiscal Year 2024: ¥600,000 (Direct Cost: ¥600,000)

Outline of Research at the Start

学習とは未知の確率分布に従って生成されるデータからその分布を近似的に推定する手法であり、ニューラルネットワークを用いる深層学習は近年様々な分野で高い精度を示すことで注目を集めている。推定の候補として用いる確率分布の族、この場合ある形のネットワークにより表現される確率分布全体が成す集合を統計モデルと呼ぶ。本研究では深層学習がその顕著な性質である高い汎化性能を獲得する機序を明らかにし、利用目的に応じたモデル選択の規準を理論的に与える。
特に金融データを始めとする時間に依存するデータを用いる深層学習モデルに着目し、その特徴的な性質を捉えるために必要となる基礎理論を開発することを主目的とする。